Visualización de datos geográficos con leaflet

En esta sesión aprenderemos a utilizar leaflet (opens new window) en nuestros notebooks de python. Es posible también integrar esta librería en R, pero hoy nos limitaremos a python.

La librería que nos ayudará a enlazar python y leaflet será folium, que como veremos es muy cómoda de utilizar.

Configuración

En primer lugar, actualizaremos folium a la última versión, para conseguir todas las funcionalidades.

!pip install folium==0.12.0

Visualización de mapas con folium (leaflet)

Importamos las dependencias

import folium
import json

Comenzamos creando un mapa muy simple con un marcador en las coordenadas [40.4066853,-3.7091432]. El parámetro popup permite mostrar información cuando se hace click encima del marcador en el mapa.

myloc = [40.4066853,-3.7091432]
m = folium.Map(location = myloc, zoom_start=15)
folium.Marker(myloc, popup='Estás aquí').add_to(m)

m

Make this Notebook Trusted to load map: File -> Trust Notebook

De hecho, popup admite texto con etiquetas <HTML/>

m = folium.Map(location = myloc, zoom_start=15)
folium.Marker(myloc, popup='<p>Tu IP dice <h4>estás aquí<h4/><p/>').add_to(m)

m

Make this Notebook Trusted to load map: File -> Trust Notebook

Podemos añadir tantos marcadores como necesitemos y cambiar otras propiedades.

folium.Marker(location=[40.42,-3.72], tooltip='pero en realidad estás aquí').add_to(m)
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Ahora descargaremos el mapa de países de europa en formato GeoJson. Podemos configurar nuestro propio mapa en este sitio: https://geojson-maps.ash.ms/

!cd data/ && wget 'https://raw.githubusercontent.com/jlaria/bigdata5/main/data/custom.geo.json'

Con folium.GeoJson podemos mostrar directamente información de un archivo en formato .geo.json.

m = folium.Map()
folium.GeoJson('data/custom.geo.json').add_to(m)
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Podemos seguir configurando nuestro mapa.

m = folium.Map()
folium.GeoJson('data/custom.geo.json',
               style_function = lambda x: {'fillOpacity': '0', 'weight': '1'}).add_to(m)
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Para comprender la estructura de custom.geo.json vamos a traerlo a python.

countries = json.load(open('data/custom.geo.json'))
countries.keys()
countries['type']
countries['features'][0]

Vemos que el campo properties tiene mucha información relacionada con el país, y podemos añadir nuestra propia información. Vamos a utilizar esta información para mostrar un tooltip sobre cada país. Para mostrar colores podemos escoger un tema aquí (opens new window).

m = folium.Map()

colors = ['#8c510a', '#bf812d', '#dfc27d', '#f6e8c3', '#f5f5f5', '#c7eae5', '#80cdc1', '#35978f', '#01665e']

folium.GeoJson('data/custom.geo.json',
               style_function = lambda x: {
                   'fillColor': colors[int(x['properties']['mapcolor9'])-1],
                   'fillOpacity': '0.8',
                   'weight': '1'},
               tooltip = folium.GeoJsonTooltip(
                   fields = ['admin', 'formal_en', 'income_grp']
               )
               ).add_to(m)
m

Make this Notebook Trusted to load map: File -> Trust Notebook

También podemos asignar los colores en función de una variable continua, por ejemplo, gdp_md_est. Para esto, primeramente vamos a explorar el rango de esta variable, en un data frame de pandas.

import pandas as pd

pdf = None 
for i in range(len(countries['features'])):
  pdf = pd.DataFrame(countries['features'][i]['properties'], index=[i]).append(pdf)

pdf

pdf[['admin', 'gdp_md_est']].sort_values('gdp_md_est')

Creamos una escala lineal desde 0 hasta 3

import branca.colormap as cmp
linear = cmp.LinearColormap(
    ['red', 'yellow', 'green'],
    vmin=0, vmax=3,
    caption='GDP (millones)' #Caption for Color scale or Legend
)
linear

m = folium.Map()

folium.GeoJson('data/custom.geo.json',
               style_function = lambda x: {
                   'fillColor': linear(x['properties']['gdp_md_est']/1e+6),
                   'fillOpacity': '0.8',
                   'weight': '1'},
               tooltip = folium.GeoJsonTooltip(
                   fields = ['admin', 'formal_en', 'income_grp']
               )
               ).add_to(m)
linear.add_to(m)
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Ahora vamos a escalar por el tamaño de la población.

pdf.loc[:,'gdp_per_capita'] = pdf.gdp_md_est/pdf.pop_est
pdf[['admin', 'gdp_md_est', 'pop_est', 'gdp_per_capita']].sort_values('gdp_per_capita')

	admin	gdp_md_est	pop_est	gdp_per_capita
35	Moldova	10670.0	4320748	0.002469
25	Kosovo	5352.0	1804838	0.002965
3	Albania	21810.0	3639453	0.005993
7	Bosnia and Herzegovina	29700.0	4613414	0.006438
49	Ukraine	339800.0	45700395	0.007435
33	Macedonia	18780.0	2066718	0.009087
38	Montenegro	6816.0	672180	0.010140
45	Republic of Serbia	80340.0	7379339	0.010887
8	Belarus	114100.0	9648533	0.011826
41	Romania	271400.0	22215421	0.012217
0	Bulgaria	93750.0	7204687	0.013012
36	Russia	2266000.0	140041247	0.016181
39	Poland	667900.0	38482919	0.017356
31	Latvia	38860.0	2231503	0.017414
29	Lithuania	63330.0	3555179	0.017813
20	Croatia	82390.0	4489409	0.018352
43	Portugal	208627.0	10707924	0.019483
22	Hungary	196600.0	9905596	0.019847
12	Faroe Islands	1000.0	48856	0.020468
13	Estonia	27410.0	1299371	0.021095
40	Slovakia	119500.0	5463046	0.021874
34	Malta	9962.0	405165	0.024588
5	Czech Republic	265200.0	10211904	0.025970
46	Slovenia	59340.0	2005692	0.029586
32	Monaco	976.3	32965	0.029616
28	Italy	1823000.0	58126212	0.031363
18	United Kingdom	1977704.0	62262000	0.031764
19	Greece	343000.0	10737428	0.031944
17	France	2128000.0	64057792	0.033220
16	Spain	1403000.0	40525002	0.034621
10	Germany	2918000.0	82329758	0.035443
23	Isle of Man	2719.0	76512	0.035537
15	Finland	193500.0	5250275	0.036855
11	Denmark	203600.0	5500510	0.037015
4	Belgium	389300.0	10414336	0.037381
47	Sweden	344300.0	9059651	0.038004
14	Guernsey	2742.0	68633	0.039952
1	Austria	329500.0	8210281	0.040133
37	Netherlands	672000.0	16715999	0.040201
27	Iceland	12710.0	306694	0.041442
9	Switzerland	316700.0	7604467	0.041647
2	Andorra	3660.0	83888	0.043630
21	Ireland	188400.0	4203200	0.044823
44	San Marino	1662.0	30324	0.054808
26	Jersey	5100.0	91626	0.055661
6	Aland	1563.0	27153	0.057563
42	Norway	276400.0	4676305	0.059106
30	Luxembourg	39370.0	491775	0.080057
24	Liechtenstein	4160.0	34761	0.119674
48	Vatican	355.0	832	0.426683

for i in range(len(countries['features'])):
  gdp = countries['features'][i]['properties']['gdp_md_est']
  pop = countries['features'][i]['properties']['pop_est']
  countries['features'][i]['properties']['gdp_per_capita'] = gdp/pop

# countries['features'][0]['properties']

linear = cmp.LinearColormap(
    ['red', 'yellow', 'green'],
    vmin=0, vmax=0.1,
    caption='GDP (scaled)' #Caption for Color scale or Legend
)

m = folium.Map()

folium.GeoJson(countries,
               style_function = lambda x: {
                   'fillColor': linear(x['properties']['gdp_per_capita']),
                   'fillOpacity': '0.8',
                   'weight': '1'},
               tooltip = folium.GeoJsonTooltip(
                   fields = ['admin', 'formal_en', 'income_grp', 'gdp_per_capita']
               )
               ).add_to(m)
linear.add_to(m)
m

Make this Notebook Trusted to load map: File -> Trust Notebook

Ejercicio

La tabla consumption.csv contiene la información del consumo eléctrico de varios países europeos. ¿Serías capaz de mostrar esta información en un mapa sobre los países, con una escala de colores que haga referencia al consumo anual de cada país?